AegisDx는 LLM 진단을 일회성 예측이 아닌 가설연역적 추론 과정으로 설계한 안전 지향 임상 진단 프레임워크다. 역할별 계약, 구조화된 중간 출력, 근거 검색, 검증 게이트로 특화 LLM 구성요소들을 조율해 광범위한 감별진단을 생성하고 '놓치면 안 되는' 위험 질환을 명시적으로 선별한다. GPT-oss-120B 백본 기준 JAMA 사례 Top-3 정확도 59.9%(단독 LLM 52.1%), NEJM 62.7%(51.4%), 응급의학 사례 85.7%(68.6%)를 기록했고, must-not-miss 질환 포착률은 78.0%로 단독 52.0%를 크게 앞섰다. 예일 뉴헤이븐 응급실 실제 기록 43건 블라인드 평가에서 GPT-5 대비 안전성 점수를 4.31→4.55로 높였다(p=2.1×10⁻⁴). 예측 정확도만이 아닌 안전 지향 추론 설계가 급성기 의사결정 지원을 더 안전하게 만들 수 있음을 시사한다.

• •역할별 계약·근거 검색·검증 게이트로 LLM 구성요소를 조율하는 가설연역적 진단 프레임워크 AegisDx 제안
• •JAMA Top-3 정확도 59.9%(단독 52.1%), NEJM 62.7%(51.4%), 응급의학 85.7%(68.6%)로 향상
• •'놓치면 안 되는' 위험 질환 포착률 78.0%로 단독 LLM 52.0% 대비 크게 개선
• •예일 뉴헤이븐 응급실 실제 기록 43건 블라인드 평가에서 GPT-5 대비 안전성 점수 4.31→4.55로 상승(p=2.1×10⁻⁴)
• •예측 정확도 최적화보다 안전 지향 추론 설계가 임상적으로 더 유의미한 의사결정 지원을 제공